{"id":18694,"date":"2021-02-11T20:46:14","date_gmt":"2021-02-11T19:46:14","guid":{"rendered":"https:\/\/protecciondatos-lopd.com\/empresas\/?p=18694"},"modified":"2024-06-13T12:58:09","modified_gmt":"2024-06-13T10:58:09","slug":"data-warehouse","status":"publish","type":"post","link":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/","title":{"rendered":"Data Warehouse. Definici\u00f3n y funciones"},"content":{"rendered":"<p>En el entorno empresarial actual, es esencial que una empresa disponga de informes y an\u00e1lisis fiables de sus datos. Las empresas necesitan que sus datos se consoliden e integren para diferentes niveles de agregaci\u00f3n, desde el servicio al cliente hasta la integraci\u00f3n de socios y las decisiones comerciales ejecutivas de alto nivel. Aqu\u00ed es donde entra en juego el <strong>data warehouse<\/strong>, ya que facilita los informes y el an\u00e1lisis. En este art\u00edculo, discutiremos diferentes conceptos de Data Warehouse. Comenzaremos explicando <strong>qu\u00e9 es y para qu\u00e9 sirve el data warehouse<\/strong>, su uso en diferentes industrias, sus caracter\u00edsticas y los tipos que existen.<\/p>\n<div id=\"toc_container\" class=\"no_bullets\"><p class=\"toc_title\">Contenido del art&iacute;culo<\/p><ul class=\"toc_list\"><li><a href=\"#Que_es_un_data_warehouse_o_almacen_de_datos\">\u00bfQu\u00e9 es un data warehouse o almac\u00e9n de datos?<\/a><\/li><li><a href=\"#Funciones_de_los_data_warehouses\">Funciones de los data warehouses<\/a><\/li><li><a href=\"#Caracteristicas\">Caracter\u00edsticas<\/a><\/li><li><a href=\"#Estructura\">Estructura<\/a><\/li><li><a href=\"#Elementos_que_los_componen\">Elementos que los componen<\/a><ul><li><a href=\"#Metadatos\">Metadatos<\/a><\/li><li><a href=\"#Middleware\">Middleware<\/a><\/li><li><a href=\"#Funciones_ETL\">Funciones ETL<\/a><\/li><li><a href=\"#Base_de_datos_central\">Base de datos central<\/a><\/li><\/ul><\/li><li><a href=\"#Tipos_de_data_warehouse\">Tipos de data warehouse<\/a><ul><li><a href=\"#Almacen_de_datos_empresariales\">Almac\u00e9n de datos empresariales<\/a><\/li><li><a href=\"#ODS_almacen_de_datos_operativos\">ODS (almac\u00e9n de datos operativos)<\/a><\/li><li><a href=\"#Data_Mart\">Data Mart<\/a><\/li><\/ul><\/li><li><a href=\"#Los_data_marts_o_subconjuntos_de_datos\">Los data marts o subconjuntos de datos<\/a><\/li><li><a href=\"#Cubos_OLAP\">Cubos OLAP<\/a><ul><li><a href=\"#OLAP_relacional\">OLAP relacional<\/a><\/li><li><a href=\"#OLAP_multidimensional\">OLAP multidimensional<\/a><\/li><li><a href=\"#OLAP_hibrido\">OLAP h\u00edbrido<\/a><\/li><li><a href=\"#Servidores_SQL_especializados\">Servidores SQL especializados<\/a><\/li><\/ul><\/li><li><a href=\"#Diferencias_entre_data_lake_y_data_warehouse\">Diferencias entre data lake y data warehouse<\/a><ul><li><a href=\"#Tipo_de_datos\">Tipo de datos<\/a><\/li><li><a href=\"#Proposito\">Prop\u00f3sito<\/a><\/li><li><a href=\"#Usuarios\">Usuarios<\/a><\/li><li><a href=\"#Tareas\">Tareas<\/a><\/li><li><a href=\"#Tamano\">Tama\u00f1o<\/a><\/li><\/ul><\/li><li><a href=\"#Almacenes_de_datos_en_la_nube\">Almacenes de datos en la nube<\/a><\/li><li><a href=\"#Ventajas_del_data_warehouse\">Ventajas del data warehouse<\/a><\/li><li><a href=\"#Pasos_para_construir_un_data_warehouse\">Pasos para construir un data warehouse<\/a><\/li><li><a href=\"#Ejemplos_de_data_warehouse\">Ejemplos de data warehouse<\/a><ul><li><a href=\"#Sector_de_inversiones_y_seguros\">Sector de inversiones y seguros<\/a><\/li><li><a href=\"#Cadenas_minoristas\">Cadenas minoristas<\/a><\/li><li><a href=\"#Cuidado_de_la_salud\">Cuidado de la salud<\/a><\/li><\/ul><\/li><\/ul><\/div>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Que_es_un_data_warehouse_o_almacen_de_datos\"><strong>\u00bfQu\u00e9 es un data warehouse o almac\u00e9n de datos?<\/strong><\/span><\/h2>\n<p>Un data warehouse o almacenamiento de datos es un proceso para recopilar y administrar datos de diversas fuentes para proporcionar informaci\u00f3n empresarial significativa. Un almac\u00e9n de datos se usa normalmente para conectar y analizar datos comerciales de fuentes heterog\u00e9neas. El <strong>data warehouse es el n\u00facleo del sistema de Business Intelligence<\/strong> que est\u00e1 dise\u00f1ado para el an\u00e1lisis y la generaci\u00f3n de informes de datos.<\/p>\n<p>Una <strong>definici\u00f3n de data warehouse<\/strong> es la que lo considera una combinaci\u00f3n de tecnolog\u00edas y componentes que ayuda al uso estrat\u00e9gico de los datos. Se trata de un almacenamiento electr\u00f3nico de una gran cantidad de informaci\u00f3n por parte de una empresa que est\u00e1 dise\u00f1ado para consultas y an\u00e1lisis en lugar de procesamiento de transacciones. Es un proceso de transformar datos en informaci\u00f3n y ponerlos a disposici\u00f3n de los usuarios de manera oportuna para marcar la diferencia.<\/p>\n<p>El concepto de data warehouse ha existido desde la d\u00e9cada de 1980, cuando se desarroll\u00f3 para ayudar a la transici\u00f3n de datos de operaciones meramente de potencia a sistemas de apoyo a la toma de decisiones que revelan inteligencia empresarial. La gran cantidad de datos en los almacenes de datos proviene de diferentes lugares, como aplicaciones internas como marketing, ventas y finanzas; aplicaciones orientadas al cliente; y sistemas de socios externos, entre otros.<\/p>\n<p>A nivel t\u00e9cnico, un almac\u00e9n de datos extrae peri\u00f3dicamente datos de esas aplicaciones y sistemas. Luego, los datos pasan por procesos de formateo e importaci\u00f3n para que coincidan con los datos que ya est\u00e1n en el almac\u00e9n. El almac\u00e9n de datos almacena estos datos procesados \u200b\u200bpara que est\u00e9n listos para que los tomadores de decisiones accedan. La frecuencia con la que ocurren las extracciones de datos, o c\u00f3mo se formatean los datos, etc., variar\u00e1 seg\u00fan las necesidades de la organizaci\u00f3n.<\/p>\n<h2><span id=\"Funciones_de_los_data_warehouses\"><strong>Funciones de los data warehouses<\/strong><\/span><\/h2>\n<p>El almacenamiento de datos se utiliza para proporcionar una mayor comprensi\u00f3n del desempe\u00f1o de una empresa al comparar datos consolidados de m\u00faltiples fuentes heterog\u00e9neas. Un data warehouse est\u00e1 dise\u00f1ado para ejecutar consultas y an\u00e1lisis de datos hist\u00f3ricos derivados de fuentes transaccionales.<\/p>\n<p>Una vez que los datos se han incorporado al almac\u00e9n, no cambian y no se pueden alterar, ya que un almac\u00e9n de datos ejecuta an\u00e1lisis de eventos que ya han ocurrido enfoc\u00e1ndose en los cambios en los datos a lo largo del tiempo. Los datos almacenados deben almacenarse de manera segura, confiable, f\u00e1cil de recuperar y f\u00e1cil de administrar.<\/p>\n<p>Hay ciertos pasos que se toman para crear un data warehouse. El primer paso es la extracci\u00f3n de datos, que implica recopilar grandes cantidades de datos de m\u00faltiples puntos de origen. Una vez que se han compilado los datos, pasan por la limpieza de datos, el proceso de peinar los datos en busca de errores y corregir o excluir los errores encontrados.<\/p>\n<p>Los datos limpios se convierten luego de un formato de base de datos a un formato de almac\u00e9n. Una vez que se almacenan, los datos se clasifican, consolidan, resumen, etc. para que est\u00e9n m\u00e1s coordinados y sean m\u00e1s f\u00e1ciles de usar. Con el tiempo, a medida que se van actualizando las m\u00faltiples fuentes de datos, se a\u00f1aden m\u00e1s datos al almac\u00e9n.<\/p>\n<p>Un almac\u00e9n de datos funciona como un dep\u00f3sito central donde la informaci\u00f3n llega de una o m\u00e1s fuentes de datos.<\/p>\n<p>Los datos pueden ser:<\/p>\n<ul>\n<li>Estructurados<\/li>\n<li>Semiestructurados<\/li>\n<li>No estructurados<\/li>\n<\/ul>\n<p>Al reunir toda esta informaci\u00f3n en un solo lugar, la empresa puede analizar a sus clientes de forma m\u00e1s integral. Esto ayuda a garantizar que se ha tenido en cuenta toda la informaci\u00f3n disponible. El almacenamiento de datos hace posible la miner\u00eda de datos. La miner\u00eda de datos busca patrones en los datos que puedan generar mayores ventas y ganancias.<\/p>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Caracteristicas\"><strong>Caracter\u00edsticas<\/strong><\/span><\/h2>\n<p>Las principales caracter\u00edsticas del data warehouse son:<\/p>\n<ul>\n<li>Orientado al tema: un data warehouse ofrece informaci\u00f3n destinada a un tema espec\u00edfico en vez de las operaciones en curso de toda la organizaci\u00f3n. Los ejemplos de temas de <strong>data warehouse incluyen informaci\u00f3n de productos<\/strong>, datos de ventas, detalles de clientes y proveedores, etc.<\/li>\n<li>Integrado: un almac\u00e9n de datos se desarrolla combinando datos de m\u00faltiples fuentes heterog\u00e9neas, como archivos planos y bases de datos relacionales, lo que en consecuencia mejora el an\u00e1lisis de datos.<\/li>\n<li>Variante de tiempo: los datos en un almac\u00e9n de datos brindan informaci\u00f3n de un cierto punto hist\u00f3rico de tiempo, por lo tanto, la informaci\u00f3n en un almac\u00e9n de datos se categoriza con un marco de tiempo particular.<\/li>\n<li>No vol\u00e1til: No vol\u00e1til se refiere a los datos anteriores que no se omiten cuando se le agregan datos m\u00e1s nuevos. Un almac\u00e9n de datos est\u00e1 separado de una base de datos operativa, lo que significa que ning\u00fan cambio regular en la base de datos operativa se ve en el almac\u00e9n de datos.<\/li>\n<\/ul>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Estructura\"><strong>Estructura<\/strong><\/span><\/h2>\n<p>La estructura tradicional de data warehouse emplea una estructura de tres niveles compuesta por los siguientes niveles.<\/p>\n<ul>\n<li>Nivel inferior: este nivel contiene el servidor de base de datos que se utiliza para extraer datos de muchas fuentes diferentes, como las bases de datos transaccionales que se utilizan para aplicaciones de front-end.<\/li>\n<li>Nivel medio: El nivel medio alberga un servidor OLAP, que transforma los datos en una estructura m\u00e1s adecuada para an\u00e1lisis y consultas complejas. El servidor OLAP puede funcionar de dos maneras: ya sea como un sistema de administraci\u00f3n de base de datos relacional extendido que mapea las operaciones en datos multidimensionales a operaciones relacionales est\u00e1ndar (OLAP relacional), o usando un modelo OLAP multidimensional que implementa directamente los datos y operaciones multidimensionales.<\/li>\n<li>Nivel superior: el nivel superior es la capa del cliente. Este nivel contiene las herramientas utilizadas para el an\u00e1lisis de datos de alto nivel, la consulta de informes y la miner\u00eda de datos.<\/li>\n<\/ul>\n<p>En los \u00faltimos a\u00f1os, los almacenes de datos se est\u00e1n trasladando a la nube. Los nuevos almacenes de datos basados \u200b\u200ben la nube no se adhieren a la arquitectura tradicional; cada oferta de almacenamiento de datos tiene una arquitectura \u00fanica.<\/p>\n<p>Dos de los almacenes basados \u200b\u200ben la nube m\u00e1s populares son Amazon Redshift y Google BigQuery.<\/p>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Elementos_que_los_componen\"><strong>Elementos que los componen<\/strong><\/span><\/h2>\n<p>Un almac\u00e9n de datos t\u00edpico tiene cuatro componentes principales: una base de datos central, herramientas ETL (extraer, transformar, cargar), metadatos y herramientas de acceso. Todos estos componentes est\u00e1n dise\u00f1ados para la velocidad, de modo que se puedan obtener resultados r\u00e1pidamente y analizar datos sobre la marcha.<\/p>\n<h3 data-pm-slice=\"1 1 []\"><span id=\"Metadatos\"><strong>Metadatos<\/strong><\/span><\/h3>\n<p>Los <a href=\"https:\/\/protecciondatos-lopd.com\/empresas\/metadatos\/\">metadatos<\/a> son datos sobre tus datos. Especifica la fuente, el uso, los valores y otras caracter\u00edsticas de los conjuntos de datos en tu almac\u00e9n de datos. Hay metadatos comerciales, que agregan contexto a tus datos, y metadatos t\u00e9cnicos, que describen c\u00f3mo acceder a los datos, incluido d\u00f3nde residen y c\u00f3mo est\u00e1n estructurados.<\/p>\n<h3 data-pm-slice=\"1 1 []\"><span id=\"Middleware\"><strong>Middleware<\/strong><\/span><\/h3>\n<p>Las herramientas de acceso permiten a los usuarios interactuar con los datos de su almac\u00e9n de datos. Entre los ejemplos de herramientas de acceso se incluyen: herramientas de consulta y generaci\u00f3n de informes, herramientas de desarrollo de aplicaciones, herramientas de miner\u00eda de datos y herramientas OLAP.<\/p>\n<h3 data-pm-slice=\"1 1 []\"><span id=\"Funciones_ETL\"><strong>Funciones ETL<\/strong><\/span><\/h3>\n<p>Los datos se extraen de los sistemas de origen y se modifican para alinear la informaci\u00f3n para un consumo anal\u00edtico r\u00e1pido utilizando una variedad de enfoques de integraci\u00f3n de datos como ETL (extraer, transformar, cargar), as\u00ed como replicaci\u00f3n de datos en tiempo real, carga masiva servicios de procesamiento, transformaci\u00f3n de datos y calidad y enriquecimiento de datos.<\/p>\n<h3><span id=\"Base_de_datos_central\"><strong>Base de datos central<\/strong><\/span><\/h3>\n<p>Una base de datos sirve como base del almac\u00e9n de datos. Tradicionalmente, han sido bases de datos relacionales est\u00e1ndar que se ejecutan en las instalaciones o en la nube. Pero debido a Big Data, la necesidad de un rendimiento en tiempo real y una reducci\u00f3n dr\u00e1stica en el coste de la RAM, las bases de datos en memoria est\u00e1n ganando popularidad r\u00e1pidamente.<\/p>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Tipos_de_data_warehouse\"><strong>Tipos de data warehouse<\/strong><\/span><\/h2>\n<p>Hay tres tipos principales de almacenamiento de datos. Cada uno tiene su funci\u00f3n espec\u00edfica en las operaciones de gesti\u00f3n de datos.<\/p>\n<h3><span id=\"Almacen_de_datos_empresariales\"><strong>Almac\u00e9n de datos empresariales<\/strong><\/span><\/h3>\n<p>El almac\u00e9n de datos empresarial (EDW) sirve como base de datos central o clave para facilitar la toma de decisiones en toda la empresa. Los principales beneficios de tener un EDW incluyen el acceso a informaci\u00f3n entre organizaciones, la capacidad de ejecutar consultas complejas y la habilitaci\u00f3n de conocimientos enriquecidos y con visi\u00f3n de futuro para decisiones basadas en datos y evaluaci\u00f3n temprana de riesgos.<\/p>\n<h3><span id=\"ODS_almacen_de_datos_operativos\"><strong>ODS (almac\u00e9n de datos operativos)<\/strong><\/span><\/h3>\n<p>En ODS, el almac\u00e9n de datos se actualiza en tiempo real. Por lo tanto, a menudo se usa para actividades empresariales de rutina, como almacenar registros de los empleados. Se utiliza como fuente para proporcionar datos al almac\u00e9n de datos empresarial.<\/p>\n<h3><span id=\"Data_Mart\"><strong>Data Mart<\/strong><\/span><\/h3>\n<p>Es un subconjunto de un almac\u00e9n de datos destinado a brindar soporte a un departamento, regi\u00f3n o unidad comercial en particular. Considera esto: tienes varios departamentos, incluidos ventas, marketing, desarrollo de productos, etc. Cada departamento tendr\u00e1 un dep\u00f3sito central donde almacena datos. Este repositorio se llama despensa de datos.<\/p>\n<p>Los datos del data mart se almacenan en el ODS diariamente \/ semanalmente (o seg\u00fan se configure). El ODS act\u00faa como un \u00e1rea de preparaci\u00f3n para la integraci\u00f3n de datos. Luego env\u00eda los datos a la EDW, donde se almacenan y se utilizan para fines de BI.<\/p>\n<h2><span id=\"Los_data_marts_o_subconjuntos_de_datos\"><strong>Los data marts o subconjuntos de datos<\/strong><\/span><\/h2>\n<p>Los data marts contienen un subconjunto de datos de toda la organizaci\u00f3n que son valiosos para grupos espec\u00edficos de personas en una organizaci\u00f3n. En otras palabras, una despensa de datos contiene solo aquellos datos que son espec\u00edficos de un grupo en particular. Por ejemplo, la despensa de datos de marketing puede contener solo datos relacionados con art\u00edculos, clientes y ventas. Los mercados de datos se limitan a los sujetos.<\/p>\n<p>Puntos para recordar acerca de los Data Marts:<\/p>\n<ul>\n<li>Los servidores basados \u200b\u200ben Windows o Unix \/ Linux se utilizan para implementar data marts. Se implementan en servidores de bajo coste.<\/li>\n<li>El ciclo de implementaci\u00f3n de un data mart se mide en per\u00edodos cortos de tiempo, es decir, en semanas en lugar de meses o a\u00f1os.<\/li>\n<li>El ciclo de vida de los mercados de datos puede ser complejo a largo plazo, si su planificaci\u00f3n y dise\u00f1o no abarcan toda la organizaci\u00f3n.<\/li>\n<li>Los data marts son de tama\u00f1o peque\u00f1o y flexibles.<\/li>\n<li>Los mercados de datos se personalizan por departamento.<\/li>\n<li>La fuente de una despensa de datos es un almac\u00e9n de datos estructurado por departamentos.<\/li>\n<\/ul>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Cubos_OLAP\"><strong>Cubos OLAP<\/strong><\/span><\/h2>\n<p>El servidor de procesamiento anal\u00edtico en l\u00ednea (OLAP) se basa en el modelo de datos multidimensionales. Permite a los administradores y analistas obtener una visi\u00f3n de la informaci\u00f3n a trav\u00e9s de un acceso r\u00e1pido, consistente e interactivo a la informaci\u00f3n.<\/p>\n<p>Tenemos cuatro tipos de servidores OLAP:<\/p>\n<h3><span id=\"OLAP_relacional\">OLAP relacional<\/span><\/h3>\n<p>Los servidores ROLAP se colocan entre el servidor back-end relacional y las herramientas front-end del cliente. Para almacenar y administrar los datos del almac\u00e9n, ROLAP utiliza DBMS relacional o relacional extendido.<\/p>\n<p>ROLAP incluye lo siguiente:<\/p>\n<ul>\n<li>Implementaci\u00f3n de l\u00f3gica de navegaci\u00f3n de agregaci\u00f3n.<\/li>\n<li>Optimizaci\u00f3n para cada back-end de DBMS.<\/li>\n<li>Herramientas y servicios adicionales.<\/li>\n<\/ul>\n<h3><span id=\"OLAP_multidimensional\">OLAP multidimensional<\/span><\/h3>\n<p>MOLAP utiliza motores de almacenamiento multidimensionales basados \u200b\u200ben matrices para vistas multidimensionales de datos. Con almacenes de datos multidimensionales, la utilizaci\u00f3n del almacenamiento puede ser baja si el conjunto de datos es escaso. Por lo tanto, muchos servidores MOLAP utilizan dos niveles de representaci\u00f3n de almacenamiento de datos para manejar conjuntos de datos densos y dispersos.<\/p>\n<h3><span id=\"OLAP_hibrido\">OLAP h\u00edbrido<\/span><\/h3>\n<p>OLAP h\u00edbrido es una combinaci\u00f3n de ROLAP y MOLAP. Ofrece una mayor escalabilidad de ROLAP y un c\u00e1lculo m\u00e1s r\u00e1pido de MOLAP. Los servidores HOLAP permiten almacenar grandes vol\u00famenes de datos de informaci\u00f3n detallada. Las agregaciones se almacenan por separado en la tienda MOLAP.<\/p>\n<h3><span id=\"Servidores_SQL_especializados\">Servidores SQL especializados<\/span><\/h3>\n<p>Los servidores SQL especializados brindan soporte de procesamiento de consultas y lenguaje de consulta avanzado para consultas SQL sobre esquemas de estrella y copo de nieve en un entorno de solo lectura.<\/p>\n<p>Analizaremos las operaciones OLAP en datos multidimensionales.<\/p>\n<ul>\n<li>Enrollar: Roll-up realiza la agregaci\u00f3n en un cubo de datos de cualquiera de las siguientes formas:<\/li>\n<\/ul>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li>Al escalar una jerarqu\u00eda de conceptos para una dimensi\u00f3n<\/li>\n<li>Por reducci\u00f3n de dimensi\u00f3n<\/li>\n<\/ul>\n<\/li>\n<li>Profundizar: Drill-down es la operaci\u00f3n inversa de roll-up. Se realiza de una de las siguientes formas:\n<ul>\n<li>Reduciendo una jerarqu\u00eda de conceptos para una dimensi\u00f3n<\/li>\n<li>Introduciendo una nueva dimensi\u00f3n.<\/li>\n<\/ul>\n<\/li>\n<li>Cortar: La operaci\u00f3n de corte selecciona una dimensi\u00f3n particular de un cubo dado y proporciona un nuevo subcubo.<\/li>\n<li>Rotar: Gira los ejes de datos a la vista para proporcionar una presentaci\u00f3n alternativa de datos.<\/li>\n<\/ul>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Diferencias_entre_data_lake_y_data_warehouse\"><strong>Diferencias entre data lake y data warehouse<\/strong><\/span><\/h2>\n<p>Cuando se trata de almacenar big data, las dos opciones m\u00e1s populares son los data lake y los data warehouse. Los almacenes de datos se utilizan para analizar datos estructurados archivados, mientras que los lagos de datos se utilizan para almacenar macrodatos de todas las estructuras.<\/p>\n<p>Analizamos las diferencias entre ambos conceptos en base a cinco categor\u00edas.<\/p>\n<h3><span id=\"Tipo_de_datos\">Tipo de datos<\/span><\/h3>\n<p>La limpieza de datos es una habilidad clave para los datos porque los datos vienen naturalmente en formas desordenadas e imperfectas. Los datos sin procesar que no se han limpiado se denominan datos no estructurados, que comprenden la mayor parte de los datos del mundo, como fotos, registros de chat y archivos PDF. Los datos no estructurados que se han limpiado para adaptarse a un esquema, organizados en tablas y definidos por tipos de datos y relaciones, se denominan datos estructurados . Esta es la diferencia fundamental entre lagos y almacenes.<\/p>\n<p>Los data lakes almacenan datos de una amplia variedad de fuentes como dispositivos IoT, transmisiones de redes sociales en tiempo real, datos de usuarios y transacciones de aplicaciones web. A veces, estos datos est\u00e1n estructurados, pero a menudo son bastante desordenados porque los datos se ingieren directamente de la fuente de datos. Los data warehouse, por otro lado, contienen datos hist\u00f3ricos que se han limpiado para adaptarse a un esquema relacional.<\/p>\n<h3><span id=\"Proposito\">Prop\u00f3sito<\/span><\/h3>\n<p>Los lagos de datos se utilizan para el almacenamiento rentable de grandes cantidades de datos de muchas fuentes. Permitir datos de cualquier estructura reduce el coste porque los datos son m\u00e1s flexibles y escalables, ya que los datos no necesitan ajustarse a un esquema espec\u00edfico. Sin embargo, los datos estructurados son m\u00e1s f\u00e1ciles de analizar porque son m\u00e1s limpios y tienen un esquema uniforme para realizar consultas. Al restringir los datos a un esquema, los almacenes de datos son muy eficientes para analizar datos hist\u00f3ricos para decisiones de datos espec\u00edficas.<\/p>\n<h3><span id=\"Usuarios\">Usuarios<\/span><\/h3>\n<p>Los data lake y los data warehouse son \u00fatiles para diferentes usuarios. Los analistas de datos y los analistas comerciales a menudo trabajan en almacenes de datos que contienen datos expl\u00edcitamente pertinentes que se han procesado para su trabajo. Los almacenes de datos requieren un nivel inferior de conocimientos de programaci\u00f3n y ciencia de datos para su uso.<\/p>\n<p>Los lagos de datos los configuran y mantienen los ingenieros de datos que los integran en las canalizaciones de datos. Los cient\u00edficos de datos trabajan m\u00e1s de cerca con los lagos de datos, ya que contienen datos de un alcance m\u00e1s amplio y actual.<\/p>\n<h3><span id=\"Tareas\">Tareas<\/span><\/h3>\n<p>Los ingenieros de datos utilizan lagos de datos para almacenar los datos entrantes. Sin embargo, los lagos de datos no solo se limitan al almacenamiento. Los datos no estructurados son m\u00e1s flexibles y escalables, lo que a menudo es mejor para el an\u00e1lisis de big data.<\/p>\n<p>Los almacenes de datos suelen estar configurados como de solo lectura para los usuarios analistas, que principalmente leen y agregan datos para obtener informaci\u00f3n. Dado que los datos ya est\u00e1n limpios y se pueden archivar, generalmente no es necesario insertar o actualizar datos.<\/p>\n<h3><span id=\"Tamano\">Tama\u00f1o<\/span><\/h3>\n<p>No deber\u00eda sorprendernos que los lagos de datos sean mucho m\u00e1s grandes porque retienen todos los datos que pueden ser relevantes para una empresa. Los lagos de datos suelen tener un tama\u00f1o de petabytes, \u00a1eso es 1000 terabytes! Los almacenes de datos son mucho m\u00e1s selectivos en cuanto a qu\u00e9 datos se almacenan.<\/p>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Almacenes_de_datos_en_la_nube\">Almacenes de datos en la nube<\/span><\/h2>\n<p>A medida que las empresas se trasladan a la nube, tambi\u00e9n lo hacen sus bases de datos y herramientas de almacenamiento de datos. La nube ofrece muchas ventajas: flexibilidad, colaboraci\u00f3n y accesibilidad desde cualquier lugar. Herramientas populares como Amazon Redshift, Microsoft Azure SQL Data Warehouse, Snowflake y Google BigQuery han ofrecido a las empresas formas sencillas de almacenar y analizar sus datos en la nube.<\/p>\n<p>El modelo de nube reduce las barreras de entrada, especialmente el coste, la complejidad y el largo tiempo de generaci\u00f3n de valor, que tradicionalmente han limitado la adopci\u00f3n y el uso exitoso de la tecnolog\u00eda de almacenamiento de datos. Permite a una organizaci\u00f3n escalar hacia arriba o hacia abajo, para encender o apagar, la capacidad de almacenamiento de datos seg\u00fan sea necesario. Adem\u00e1s, es r\u00e1pido y f\u00e1cil comenzar con un almac\u00e9n de datos en la nube. Hacerlo no requiere una gran inversi\u00f3n inicial ni un proceso de implementaci\u00f3n lento (y no menos costoso).<\/p>\n<p>La arquitectura del almac\u00e9n de datos en la nube elimina en gran medida los riesgos end\u00e9micos del paradigma del almac\u00e9n de datos local. No tienes que presupuestar y adquirir hardware y software. No es necesario que reserves una partida presupuestaria para mantenimiento y soporte anuales.<\/p>\n<p>En la nube, las consideraciones de costes que tradicionalmente han preocupado a los equipos de almacenamiento de datos desaparecen.<\/p>\n<h2><span id=\"Ventajas_del_data_warehouse\"><strong>Ventajas del data warehouse<\/strong><\/span><\/h2>\n<p>Estas son algunas de las ventajas del data warehouse:<\/p>\n<ul>\n<li>El almac\u00e9n de datos permite a los usuarios comerciales acceder r\u00e1pidamente a datos cr\u00edticos de algunas fuentes, todo en un solo lugar.<\/li>\n<li>El almac\u00e9n de datos proporciona informaci\u00f3n coherente sobre diversas actividades multifuncionales. Tambi\u00e9n es compatible con informes y consultas ad-hoc.<\/li>\n<li>Data Warehouse ayuda a integrar muchas fuentes de datos para reducir el estr\u00e9s en el sistema de producci\u00f3n.<\/li>\n<li>El almac\u00e9n de datos ayuda a reducir el tiempo de respuesta total para an\u00e1lisis e informes.<\/li>\n<li>La reestructuraci\u00f3n y la integraci\u00f3n facilitan al usuario el uso de informes y an\u00e1lisis.<\/li>\n<li>El almac\u00e9n de datos permite a los usuarios acceder a datos cr\u00edticos de varias fuentes en un solo lugar. Por lo tanto, ahorra tiempo al usuario al recuperar datos de m\u00faltiples fuentes.<\/li>\n<li>El almac\u00e9n de datos almacena una gran cantidad de datos hist\u00f3ricos. Esto ayuda a los usuarios a analizar diferentes per\u00edodos de tiempo y tendencias para hacer predicciones futuras.<\/li>\n<\/ul>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Pasos_para_construir_un_data_warehouse\"><strong>Pasos para construir un data warehouse<\/strong><\/span><\/h2>\n<p>La mejor manera de abordar el riesgo comercial asociado con una implementaci\u00f3n de Data warehouse es emplear una estrategia de tres puntas como se indica a continuaci\u00f3n.<\/p>\n<ul>\n<li>Estrategia empresarial: Aqu\u00ed identificamos t\u00e9cnicas, incluyendo la arquitectura y las herramientas actuales. Tambi\u00e9n identificamos hechos, dimensiones y atributos. Tambi\u00e9n se pasa el mapeo y la transformaci\u00f3n de datos.<\/li>\n<li>Entrega por etapas: la implementaci\u00f3n del almac\u00e9n de datos debe realizarse por etapas seg\u00fan las \u00e1reas tem\u00e1ticas. Las entidades comerciales relacionadas, como la reserva y la facturaci\u00f3n, deben implementarse primero y luego integrarse entre s\u00ed.<\/li>\n<li>Creaci\u00f3n de prototipos iterativos: en lugar de un enfoque de gran explosi\u00f3n para la implementaci\u00f3n, el Datawarehouse debe desarrollarse y probarse iterativamente.<\/li>\n<\/ul>\n<p>A continuaci\u00f3n, se muestran los pasos clave en la implementaci\u00f3n de data warehouse.<\/p>\n<ul>\n<li>Necesidad de definir el alcance del proyecto<\/li>\n<li>Necesidad de determinar las necesidades comerciales<\/li>\n<li>Definir los requisitos operativos del almac\u00e9n de datos<\/li>\n<li>Adquirir o desarrollar herramientas de extracci\u00f3n<\/li>\n<li>Definir los requisitos de datos del almac\u00e9n de datos<\/li>\n<li>Documentar los datos faltantes<\/li>\n<li>Asignar el almac\u00e9n de datos operativos al almac\u00e9n de datos<\/li>\n<li>Desarrollar el dise\u00f1o de la base de datos de almacenamiento de datos<\/li>\n<li>Extraer datos del almac\u00e9n de datos operativos<\/li>\n<li>Cargar almac\u00e9n de datos<\/li>\n<li>Mantener el almac\u00e9n de datos<\/li>\n<\/ul>\n<h2 data-pm-slice=\"1 1 []\"><span id=\"Ejemplos_de_data_warehouse\"><strong>Ejemplos de data warehouse<\/strong><\/span><\/h2>\n<p>A continuaci\u00f3n, se muestran algunos ejemplos de c\u00f3mo se utiliza el almacenamiento de datos en todos los \u00e1mbitos. Veamos varias industrias que consideran el almacenamiento de datos como una parte esencial de sus operaciones diarias.<\/p>\n<h3><span id=\"Sector_de_inversiones_y_seguros\">Sector de inversiones y seguros<\/span><\/h3>\n<p>En el sector de inversiones y seguros, los almacenes de datos se utilizan principalmente para analizar las tendencias del mercado y de los clientes y otros patrones de datos. Los mercados de valores son subsectores importantes en los que los almacenes de datos juegan un papel crucial porque una diferencia de un solo punto puede generar p\u00e9rdidas masivas en todos los \u00e1mbitos. En estos sectores, los almacenes de datos generalmente se comparten y se centran en la transmisi\u00f3n de datos en tiempo real.<\/p>\n<h3><span id=\"Cadenas_minoristas\">Cadenas minoristas<\/span><\/h3>\n<p>En el sector minorista, los almacenes de datos se utilizan principalmente para distribuci\u00f3n y marketing para permitir el seguimiento de art\u00edculos, examinar las pol\u00edticas de precios, realizar un seguimiento de las ofertas promocionales y analizar las tendencias de compra de los clientes. Las cadenas minoristas suelen incorporar un almac\u00e9n de datos empresarial para satisfacer las necesidades de previsi\u00f3n e inteligencia empresarial.<\/p>\n<h3><span id=\"Cuidado_de_la_salud\">Cuidado de la salud<\/span><\/h3>\n<p>En el sector de la salud, se utiliza un almac\u00e9n de datos para pronosticar resultados, generar informes de tratamiento, compartir datos con proveedores de seguros, laboratorios de investigaci\u00f3n y otras unidades m\u00e9dicas. Los almacenes de datos empresariales son la columna vertebral de los sistemas de atenci\u00f3n m\u00e9dica porque la informaci\u00f3n de tratamiento m\u00e1s reciente y actualizada es crucial para salvar vidas.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>En el entorno empresarial actual, es esencial que una empresa disponga de informes y an\u00e1lisis fiables de sus datos. Las empresas necesitan&#8230;<\/p>\n","protected":false},"author":5,"featured_media":28368,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[526,512],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v16.7 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Data warehouse. Definici\u00f3n y funciones | Grupo Atico34<\/title>\n<meta name=\"description\" content=\"Todo lo que debes saber sobre el data warehouse, qu\u00e9 es, caracter\u00edsticas, tipos, funcionamiento, elementos, estructura y ejemplos \u00a1Descubre m\u00e1s aqu\u00ed!\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Data warehouse. Definici\u00f3n y funciones | Grupo Atico34\" \/>\n<meta property=\"og:description\" content=\"Todo lo que debes saber sobre el data warehouse, qu\u00e9 es, caracter\u00edsticas, tipos, funcionamiento, elementos, estructura y ejemplos \u00a1Descubre m\u00e1s aqu\u00ed!\" \/>\n<meta property=\"og:url\" content=\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/\" \/>\n<meta property=\"og:site_name\" content=\"Grupo Atico34\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/grupoatico34\/\" \/>\n<meta property=\"article:published_time\" content=\"2021-02-11T19:46:14+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-06-13T10:58:09+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/02\/data-warehouse-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1400\" \/>\n\t<meta property=\"og:image:height\" content=\"800\" \/>\n<meta name=\"twitter:card\" content=\"summary\" \/>\n<meta name=\"twitter:creator\" content=\"@grupoatico34\" \/>\n<meta name=\"twitter:site\" content=\"@grupoatico34\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Marina\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"19 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Organization\",\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/#organization\",\"name\":\"\\u00c1tico34 Protecci\\u00f3n de datos para empresas y aut\\u00f3nomos\",\"url\":\"https:\/\/protecciondatos-lopd.com\/empresas\/\",\"sameAs\":[\"https:\/\/www.facebook.com\/grupoatico34\/\",\"https:\/\/twitter.com\/grupoatico34\"],\"logo\":{\"@type\":\"ImageObject\",\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/#logo\",\"inLanguage\":\"es\",\"url\":\"\",\"contentUrl\":\"\",\"caption\":\"\\u00c1tico34 Protecci\\u00f3n de datos para empresas y aut\\u00f3nomos\"},\"image\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/#logo\"}},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/#website\",\"url\":\"https:\/\/protecciondatos-lopd.com\/empresas\/\",\"name\":\"Grupo Atico34\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/protecciondatos-lopd.com\/empresas\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"ImageObject\",\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#primaryimage\",\"inLanguage\":\"es\",\"url\":\"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/02\/data-warehouse-1.jpg\",\"contentUrl\":\"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/02\/data-warehouse-1.jpg\",\"width\":1400,\"height\":800,\"caption\":\"data warehouse\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#webpage\",\"url\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/\",\"name\":\"Data warehouse. Definici\\u00f3n y funciones | Grupo Atico34\",\"isPartOf\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#primaryimage\"},\"datePublished\":\"2021-02-11T19:46:14+00:00\",\"dateModified\":\"2024-06-13T10:58:09+00:00\",\"description\":\"Todo lo que debes saber sobre el data warehouse, qu\\u00e9 es, caracter\\u00edsticas, tipos, funcionamiento, elementos, estructura y ejemplos \\u00a1Descubre m\\u00e1s aqu\\u00ed!\",\"breadcrumb\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\/\/protecciondatos-lopd.com\/empresas\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Data Warehouse. Definici\\u00f3n y funciones\"}]},{\"@type\":\"Article\",\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#webpage\"},\"author\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/#\/schema\/person\/9339deda9efa24457e287ee173035725\"},\"headline\":\"Data Warehouse. Definici\\u00f3n y funciones\",\"datePublished\":\"2021-02-11T19:46:14+00:00\",\"dateModified\":\"2024-06-13T10:58:09+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#webpage\"},\"wordCount\":3863,\"publisher\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/#organization\"},\"image\":{\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/02\/data-warehouse-1.jpg\",\"articleSection\":[\"Cloud Computing\",\"Glosario\"],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/protecciondatos-lopd.com\/empresas\/#\/schema\/person\/9339deda9efa24457e287ee173035725\",\"name\":\"Marina\",\"url\":\"https:\/\/protecciondatos-lopd.com\/empresas\/author\/ana\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Data warehouse. Definici\u00f3n y funciones | Grupo Atico34","description":"Todo lo que debes saber sobre el data warehouse, qu\u00e9 es, caracter\u00edsticas, tipos, funcionamiento, elementos, estructura y ejemplos \u00a1Descubre m\u00e1s aqu\u00ed!","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/","og_locale":"es_ES","og_type":"article","og_title":"Data warehouse. Definici\u00f3n y funciones | Grupo Atico34","og_description":"Todo lo que debes saber sobre el data warehouse, qu\u00e9 es, caracter\u00edsticas, tipos, funcionamiento, elementos, estructura y ejemplos \u00a1Descubre m\u00e1s aqu\u00ed!","og_url":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/","og_site_name":"Grupo Atico34","article_publisher":"https:\/\/www.facebook.com\/grupoatico34\/","article_published_time":"2021-02-11T19:46:14+00:00","article_modified_time":"2024-06-13T10:58:09+00:00","og_image":[{"width":1400,"height":800,"url":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/02\/data-warehouse-1.jpg","path":"\/home\/protecc1\/public_html\/empresas\/wp-content\/uploads\/2021\/02\/data-warehouse-1.jpg","size":"full","id":28368,"alt":"data warehouse","pixels":1120000,"type":"image\/jpeg"}],"twitter_card":"summary","twitter_creator":"@grupoatico34","twitter_site":"@grupoatico34","twitter_misc":{"Escrito por":"Marina","Tiempo de lectura":"19 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Organization","@id":"https:\/\/protecciondatos-lopd.com\/empresas\/#organization","name":"\u00c1tico34 Protecci\u00f3n de datos para empresas y aut\u00f3nomos","url":"https:\/\/protecciondatos-lopd.com\/empresas\/","sameAs":["https:\/\/www.facebook.com\/grupoatico34\/","https:\/\/twitter.com\/grupoatico34"],"logo":{"@type":"ImageObject","@id":"https:\/\/protecciondatos-lopd.com\/empresas\/#logo","inLanguage":"es","url":"","contentUrl":"","caption":"\u00c1tico34 Protecci\u00f3n de datos para empresas y aut\u00f3nomos"},"image":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/#logo"}},{"@type":"WebSite","@id":"https:\/\/protecciondatos-lopd.com\/empresas\/#website","url":"https:\/\/protecciondatos-lopd.com\/empresas\/","name":"Grupo Atico34","description":"","publisher":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/protecciondatos-lopd.com\/empresas\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"ImageObject","@id":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#primaryimage","inLanguage":"es","url":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/02\/data-warehouse-1.jpg","contentUrl":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/02\/data-warehouse-1.jpg","width":1400,"height":800,"caption":"data warehouse"},{"@type":"WebPage","@id":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#webpage","url":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/","name":"Data warehouse. Definici\u00f3n y funciones | Grupo Atico34","isPartOf":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/#website"},"primaryImageOfPage":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#primaryimage"},"datePublished":"2021-02-11T19:46:14+00:00","dateModified":"2024-06-13T10:58:09+00:00","description":"Todo lo que debes saber sobre el data warehouse, qu\u00e9 es, caracter\u00edsticas, tipos, funcionamiento, elementos, estructura y ejemplos \u00a1Descubre m\u00e1s aqu\u00ed!","breadcrumb":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/protecciondatos-lopd.com\/empresas\/"},{"@type":"ListItem","position":2,"name":"Data Warehouse. Definici\u00f3n y funciones"}]},{"@type":"Article","@id":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#article","isPartOf":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#webpage"},"author":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/#\/schema\/person\/9339deda9efa24457e287ee173035725"},"headline":"Data Warehouse. Definici\u00f3n y funciones","datePublished":"2021-02-11T19:46:14+00:00","dateModified":"2024-06-13T10:58:09+00:00","mainEntityOfPage":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#webpage"},"wordCount":3863,"publisher":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/#organization"},"image":{"@id":"https:\/\/protecciondatos-lopd.com\/empresas\/data-warehouse\/#primaryimage"},"thumbnailUrl":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-content\/uploads\/2021\/02\/data-warehouse-1.jpg","articleSection":["Cloud Computing","Glosario"],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/protecciondatos-lopd.com\/empresas\/#\/schema\/person\/9339deda9efa24457e287ee173035725","name":"Marina","url":"https:\/\/protecciondatos-lopd.com\/empresas\/author\/ana\/"}]}},"_links":{"self":[{"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/posts\/18694"}],"collection":[{"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/comments?post=18694"}],"version-history":[{"count":5,"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/posts\/18694\/revisions"}],"predecessor-version":[{"id":28369,"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/posts\/18694\/revisions\/28369"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/media\/28368"}],"wp:attachment":[{"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/media?parent=18694"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/categories?post=18694"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/protecciondatos-lopd.com\/empresas\/wp-json\/wp\/v2\/tags?post=18694"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}